基于改进YOLOv11n的轻量级电力设备过热故障红外图像检测算法
周运磊
董效杰
刘三军
刘承毅
湖北民族大学 智能科学与工程学院,湖北 恩施 445000
摘要：针对背景复杂的变电站电力设备过热故障红外图像难以检测的问题,提出了改进你只看一次 11 纳米版(you only look once version 11 nano,YOLOv11n)算法.首先,采用轻量级跨尺度特征融合模块(cross-scale feature fusion module,CCFM)改进原有颈部网络,以实现对特征通道信息的高效整合并降低参数量;其次,引入具有可切换空洞卷积的 2 次跨阶段 3 卷积可变核(cross stage partial with three-convolution blocks of variable kernel size two-switchable atrous convolution,C3k2-SAConv)模块替换整个网络的C3k2 模块,提升了算法的特征提取能力;最后,使用具有双层路由注意力视觉转换器的跨阶段双卷积(cross stage partial with two convolutions and vision transformer of bi-level routing attention,C2BF)模块替换跨阶段双卷积逐点空间注意力(cross stage partial with two convolutions and pointwise spatial attention,C2PSA)模块,提升了算法在复杂环境下对红外图像的检测准确度.结果表明,相较于原始YOLOv11n算法,改进YOLOv11n算法的参数量减少了 22.1%;精确率、召回率、平均精确率均值分别达到 91.1%、85.5%、90.9%,各自提升了3.0、2.6、2.8 个百分点;检测速度达到128.2 帧/s.改进YOLOv11n算法能实现对电力设备过热故障红外图像的有效检测,可满足算法轻量化与实时性检测的要求.
关键词：红外图像YOLOv11n过热故障检测CCFMC3k2-SAConvC2BF
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61961016)
论文发表日期：2025-03-19
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 114-118,140 )
英文信息